c2.8 Proteja o fluxo de promoção de modelos entre contas
Mova os modelos pelas contas de desenvolvimento, treinamento e inferência com varredura e aprovações em cada etapa, para que apenas os artefatos validados cheguem à produção.
Guia de implementação
Como implementar na AWS
Construa o fluxo de promoção como um pipeline (por exemplo, AWS CodePipeline) que mova os modelos dev → treinamento → inferência com varredura automatizada de artefatos e portões de aprovação manual explícita em cada etapa. Mantenha cada ambiente em uma conta separada, guarde os artefatos aprovados em um bucket do Amazon S3 controlado com acesso auditado entre contas, e registre cada promoção.
Critérios de aceitação
Os modelos passam por varredura automatizada e aprovação documentada antes da produção; as promoções são auditadas; cada ambiente é uma conta separada.
Implementação prática
Como este controle é implementado em cada arquitetura de referência:
Um fluxo de promoção com CodePipeline move os modelos dev → treinamento → inferência entre contas separadas da OU, com varredura de artefatos e portões de aprovação manual em cada etapa.
- Construa o pipeline de promoção com o AWS CodePipeline que mova o artefato do modelo dev → treinamento → inferência, cada etapa em uma conta separada da OU de IA generativa.OU de IA generativa
CodePipeline 
AWS Organizations - Adicione varredura automatizada de artefatos e um portão de aprovação manual explícito antes de cada promoção, guardando os artefatos aprovados em um bucket S3 controlado com acesso auditado entre contas.OU de IA generativa CodePipeline
Amazon S3 - Registre cada promoção (quem aprovou, qual hash) e encaminhe a trilha ao Log archive.Conta de IA generativa → Log archive
CloudTrail Amazon S3
Como validar: Os modelos passam por varredura e uma aprovação documentada antes da produção; cada ambiente é uma conta separada; cada promoção é auditada.
Evite: Copiar um modelo direto para a conta de inferência manualmente. Sem varredura e portões de aprovação, um artefato não validado ou adulterado pode chegar à produção.
Aproxime o fluxo de promoção com etapas de pipeline e aprovações dentro da conta; a separação de dev/treinamento/inferência no nível de conta é a razão para graduar-se.
- Use um CodePipeline com etapas dev/staging/prod distintas (separadas por papéis, tags e prefixos) e varredura automatizada de artefatos dentro da conta.Camada de IA generativa (papel IAM) CodePipeline Amazon S3
- Exija um portão de aprovação manual e guarde os artefatos aprovados em um bucket controlado antes de a etapa de prod poder consumi-los.Camada de aplicação (papel IAM) CodePipeline
IAM - Planeje a graduação para uma OU multi-conta para que dev/treinamento/inferência sejam contas separadas; registre cada promoção enquanto isso.OU de IA generativa (estado-alvo) AWS Organizations CloudTrail
Como validar: As promoções passam por varredura e aprovação; os artefatos são controlados; existe um plano documentado para passar a contas por ambiente.
Evite: Treinar e servir a partir do mesmo local mutável sem portão. Adicione varredura e aprovação agora, e gradue-se para separação no nível de conta para produção.
Ameaças atendidas
- Modelos não validados ou adulterados promovidos direto para a produção.
- Sem trilha de aprovação de qual modelo foi implantado.
Serviços AWS
AWS CodePipeline Amazon S3 AWS Organizations Mapeamentos de frameworks
OWASP GenAI/LLM Top 10 (2026)
- LLM04 Supply Chain
- LLM05 Data and Model Poisoning
NIST AI Risk Management Framework (AI 100-1)
- GOVERN.1 Policies, processes, procedures and accountability structures
- GOVERN.6 Policies for third-party software, data and supply chain risk
- MANAGE.3 Third-party risks and benefits are managed
AWS Well-Architected Generative AI Lens (Security)
- GENSEC01-BP01 Grant least privilege access to foundation model endpoints
Recursos de aprendizado
Referências
- AWS SRA para IA — Capacidade 2, Conta de treinamento multi-conta